-
公开(公告)号：CN117523401A
公开(公告)日：2024-02-06
申请号：CN202311596046.X
申请日：2023-11-28
Applicant: 福州大学
IPC: G06V20/10 , G06V10/764 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/048
Abstract: 本发明涉及一种多模态遥感数据变化检测方法。本发明通过构建多模态特征交互模块，让模型自动学习不同模态影像之间的信息。本发明面向光学和SAR（Synthetic Aperture Radar）两种模态遥感数据，利用深度学习方法，采用伪孪生卷积神经网络CNN分别提取不同模态影像的深层特征，建立跨模态特征交互模块、变化信息增强模块和多尺度融合解码器，构建了一种针对多模态遥感影像的变化检测模型，实现两期不同模态影像变化区域的自动检测，解决了在特殊环境下难以获取不同时期的同类型影像问题。
-
公开(公告)号：CN113642464B
公开(公告)日：2023-09-15
申请号：CN202110931179.2
申请日：2021-08-13
Applicant: 福州大学
Abstract: 本发明涉及一种结合TWDTW算法和模糊集的时序遥感影像作物分类方法，包括以下步骤：步骤S1：获取待测区域时间序列遥感影像数据、地块数据以及作物样本数据；步骤S2：对时间序列遥感影像数据进行预处理；步骤S3：构建NDVI时序数据集；步骤S4：分别构建不同作物标准NDVI时序数据和地块单元的NDVI时序数据集；步骤S5：构建非等长时序的TWDTW算法，获得不同作物相似性匹配的最小累积距离特征；步骤S6：基于地块单元的NDVI时序数据集，计算不同作物生长季长度的物候特征；步骤S7：基于最小累积距离特征和生长季长度特征，构建不同作物的高斯隶属度函数，并基于模糊集分类规则，实现地块尺度上的作物精细化分类。本发明实现地块尺度上作物的精细化分类。
-
公开(公告)号：CN116483814A
公开(公告)日：2023-07-25
申请号：CN202310449353.9
申请日：2023-04-24
Applicant: 福州大学
IPC: G06F16/215 , G06F16/29 , G06F18/23213 , G06F18/22
Abstract: 本发明的目的在于提供一种基于划分的自适应轨迹拐点提取与压缩方法及系统，通过构建基础轨迹数据集；依次计算两个相邻轨迹点的行驶方向向量，得到轨迹的方向向量序列。基于Kmeans算法对方向向量序列进行聚类，将轨迹粗划分为子轨迹，得到子轨迹序列；搜索子轨迹序列中仅包含两个轨迹点的子轨迹作为待合并子轨迹，基于余弦相似性计算每一条待合并子轨迹的合并阈值，对需要合并的子轨迹进行合并；基于改进的轮廓系数判断子轨迹边界移动的条件，对需要移动的子轨迹的边界进行移动，相邻的子轨迹共享一个轨迹点，提取此类轨迹点作为轨迹的拐点；提取轨迹序列的起点，拐点和终点，其轨迹序列即压缩后的轨迹。
-
公开(公告)号：CN113408929B
公开(公告)日：2022-07-12
申请号：CN202110741615.X
申请日：2021-07-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于空间几何原理的四维遥感生态指数构建方法，利用了多波段遥感数据，耦合了代表植被的垂直植被指数PVI、代表干旱程度的改进型地表干旱指数MPDI、代表地表干化程度的地表干化指数NDSI和代表地表温度的地表温度指数LST等四个指标，引入了空间几何原理构建四维空间，分别表征绿度、干旱度、干化度和温度四个对生态有较大影响的四个要素，然后计算综合遥感生态指数SGEI。SGEI包含了四个指标所有的信息量，且四个指标对于SGEI的影响是根据其数据本身的性质决定，具有一定客观性，有效地提高了SGEI的物理意义和合理性。SGEI可以用于快速监测与评价区域生态状况。
-
公开(公告)号：CN110347964B
公开(公告)日：2021-04-27
申请号：CN201910633770.2
申请日：2019-07-15
Applicant: 福州大学
Abstract: 本发明涉及一种遥感需水量约束的干旱区农业种植结构优化方法，基于时序遥感数据开展作物需水量的估算研究并基于作物需水量进行作物种植结构的优化与调整。基于遥感数据利用能量平衡方程估算作物的瞬时蒸发散，并在此基础上对瞬时蒸发散进行时间尺度的扩展得到日蒸发散；进一步对日蒸发散进行时间尺度的扩展得到作物整个生长季的蒸发散；然后结合降雨等气象数据估算得到作物整个生长季的需水量，为作物种植结构的优化调整提供基础。本发明克服了当前基于气象和实测数据需要大量实测数据的难题及利用遥感数据仅能估算作物日需水量的不足，对干旱地区水资源约束下的农作物优化配置具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN106324614B
公开(公告)日：2018-08-17
申请号：CN201610648417.8
申请日：2016-08-10
Applicant: 福州大学
IPC: G01S17/89
Abstract: 本发明涉及一种新的TAVI组合算法，其特征在于，包括以下步骤：步骤S1：辐射校正，先对遥感影像进行辐射校正，得到遥感影像表观反射率数据；步骤S2：计算新的SVIn；步骤S3：构建新的TAVI组合算法，具体如下：；步骤S4：优化，计算新的TAVI。本发明新的TAVI组合算法由RVI和SVI两个子模型组成，这两个子模型都满足波段比模型要求，形式简洁相近，而且分母都为遥感影像红光波段数据，具有较强的波段比物理意义基础。本发明确定的TAVI组合算法，保证地形调节植被指数能有效消除地形影响对植被信息的干扰；达到地形校正+大气校正的效果，并避免了由于遥感影像与DEM数据配准精度差异导致的地物植被信息反演精度下降的问题。
-
公开(公告)号：CN116486255B
公开(公告)日：2025-05-16
申请号：CN202310253842.7
申请日：2023-03-16
Applicant: 福州大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种自注意力特征融合的高分辨率遥感影像语义变化检测方法。该方法结合深度学习技术构建一种针对高分辨率遥感影像土地利用/土地覆盖（LULC）的地物语义变化检测模型。模型对已完成预处理和裁剪的高分辨率遥感影像采用卷积神经网络CNN和Transformer组合编码层提取双时相高分辨率影像的深层特征，配合自注意力特征融合模块和多任务反卷积解码层进行LULC的变化区域检测和变化区域内前后时相的地物类型分类。本发明结合多任务学习思想，将变化区域检测和变化类型识别集成为一体，实现自动化的双时相高分辨率影像LULC语义变化检测。
-
公开(公告)号：CN114328675B
公开(公告)日：2025-01-14
申请号：CN202210007787.9
申请日：2022-01-06
Applicant: 福州大学
IPC: G06Q10/04 , G06F18/213 , G06F18/10 , G06F18/22 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/08 , G06Q50/26 , G06Q50/40 , G08G1/00 , G06F123/02
Abstract: 本发明涉及一种基于双注意力机制和双向双层LSTM的公交车行程时间预测方法，步骤S1:获取公交车属性数据和进出站数据,构建行程时间基础数据集；步骤S2:获取公交车的基础特征、运行时间及运行时的天气特征，构建行程时间特征数据集；步骤S3:基于相关系数和方差分析，对行程时间特征数据集中的特征因子与行程时间进行相关性分析，舍去不相关和相关性差的特征因子，并与行程时间基础数据集进行匹配，获取行程时间预测数据集；步骤S4:构建双注意力机制和双向双层LSTM神经网络公交车行程时间预测模型，将行程时间预测数据集输入到模型中，对公交车的行程时间进行预测，输出公交车的预计行程时间。本发明能够更准确的公交车预计行程时间，实现高效的公交调度。
-
公开(公告)号：CN117173575A
公开(公告)日：2023-12-05
申请号：CN202311196705.0
申请日：2023-09-16
Applicant: 福州大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06N3/042 , G06N3/045
Abstract: 本发明提供了一种基于孪生图神经网络的城市场景变化检测方法。场景变化检测是以场景作为基本分析粒度检测双时相影像中的变化区域的方法，而本方法的核心是利用图神经网络优越的信息聚合能力和结构特征抽象能力，融合图节点的属性信息的并挖掘场景深层结构特征，解决传统方法无法充分利用影像结构信息的问题；此外还集成了注意力机制、节点特征交互模块和图特征交互模块，对提取的图级别信息做相似性建模的同时补充节点级的细粒度信息，减少了漏检和误检现象。本发明提出的孪生图神经网络扩展性较强，可以自由替换结构特征提取网络，同时支持不同属性特征的输入和比较，为高效获取遥感影像中的城市土地利用变化信息提供技术支撑。
-
公开(公告)号：CN114943303A
公开(公告)日：2022-08-26
申请号：CN202210681333.X
申请日：2022-06-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于多传感器遥感的时序AOD重构方法，包括：收集地基站点AERONET AOD数据、不同卫星AOD产品、地形高程数据、气象数据产品，并进行预处理；对预处理后的不同卫星AOD产品进行融合；生成有效AOD数据集和缺失AOD数据集；将有效AOD数据集结合贝叶斯自动优化调参算法，找出集成学习CatBoost模型的最优超参数；以有效AOD数据集利用最优超参数进行CatBoost模型构建；将缺失AOD数据集输入CatBoost模型对缺失AOD数据进行重构；结合地基站点AERONET AOD数据，对重构AOD数据进行验证；合并重构AOD数据和有效AOD数据，形成时空覆盖完整的AOD产品。该方法有利于提供空间分辨率高、空间覆盖范围广和时间连续性强的AOD产品，并提高卫星遥感监测气溶胶光学厚度的精度。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.022 seconds)
